Retina Fundus Görüntülerinden Kronolojik Yaş Çözümleme: Görü Dönüştürücüler ile Derin Öğrenme Tabanlı Bir Analiz

Yürük M. A., Memiş A.

2026 34th Signal Processing and Communications Applications Conference (SIU), İstanbul, Türkiye, 7 - 10 Temmuz 2026, ss.1-4, (Tam Metin Bildiri)

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Doi Numarası: 10.1109/siu71813.2026.11636734
  • Basıldığı Şehir: İstanbul
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.1-4
  • İstanbul Üniversitesi Adresli: Evet

Özet

Bu bildiri, retina fundus görüntüleri üzerinden kronolojik yaş tahminine yönelik Görü Dönüştürücü (GD) tabanlı bir analiz çalışmasını sunmaktadır. Gerçekleştirilen çalışma kapsamında, çeşitli görüntü ön-işleme aşamalarından geçirilen retinal görüntüler kullanılarak farklı parametrelerden oluşan dört ayrı GD modeli eğitilmiş ve test edilmiştir. Bu alanda oldukça güncel sayılabilecek bir veri seti üzerinde hem regresyon tabanlı yaş tahmini hem de yaş kategorisi sınıflandırma bağlamında deneysel çalışmalar gerçekleştirilmiş ve gözlemlenen sonuçlar raporlanmıştır. Elde edilen deneysel sonuçlar, GD tabanlı yaklaşımın retinal fundus görüntülerinden kronolojik yaş kestirimi görevinde rekabetçi bir performans sergilediğini ortaya koymaktadır. Gerçekleştirilen testlerde kronolojik yaş tahmini için 4.86 değerinde bir ortalama mutlak hata (OMH) ölçülmüştür. Tahmin edilen yaş değerleri üzerinden gerçekleştirilen yaş kategorisi sınıflandırmasında ise sırasıyla 0,8497 doğruluk, 0,7287 keskinlik, 0,7196 duyarlılık ve 0,7219 F-skoru gözlemlenmiştir.

This paper presents a Vision Transformer (ViT) based analysis study for chronological age prediction using retinal fundus images. In the scope of the study, four distinct ViT models with different parameters were trained and tested by using retinal images pre-processed through various stages. Experimental tests were carried out on a recent data set in this field, including both regression-based age prediction and age category classification, and the observed results were reported. The observed experimental results demonstrate that the ViT based approach shows competitive performance in the task of chronological age prediction from retinal fundus images. In the performance evaluation tests, a mean absolute error (MAE) of 4.86 was measured for the chronological age prediction. In the age category classification using the predicted age values, an accuracy of 0.8497, a precision of 0.7287, a recall of 0.7196, and an F-measure of 0.7219 were observed, respectively.